プロンプトエンジニアリングとは？　16種類の手法を記述例とともに解説

目次

プロンプトエンジニアリングとは

プロンプトエンジニアリングは生成AI、特に、大規模言語モデルの普及により注目されるようになった技術です。

近年、AIの開発が進み、以前では想像もしなかったさまざまな分野でAIが活用されるようになってきました。大きな進化を遂げたAIですが、その能力を最大限引き出すためには、AIに適切な指示を与えることが必要不可欠です。

特に大規模言語モデルは指示の出し方次第で得られる回答が異なってしまうため、用途や目的に沿う指示の出し方をしっかり考える必要があります。このように、大規模言語モデルへ与える指示を調整し、大規模言語モデルからの出力を上手く制御しようという技術を「プロンプトエンジニアリング」といいます。

【関連記事】

プロンプトとは

プロンプトという言葉自体には「促す」「指示する」「刺激する」といった意味があり、そこから転じてAIへ与える指示や質問のこともプロンプトと呼ばれています。

大規模言語モデルの一種である「ChatGPT」や「Gemini」のサイトへアクセスするとメッセージの入力フォームが画面に出てきますが、そこに入力する指示や質問がプロンプトです。

現在の大規模言語モデルは口語的な自然言語でプロンプトを与えることができ、その取っ付き易さとわかりやすさが、大規模言語モデルの生成AIが急速に普及されていくことになった大きな要因のひとつと考えられます。

一方で、日本語で簡単に指示や質問を与えられるものの、思ったような結果が得られなかったり、結果にもうひと工夫欲しいと思ったりすることがあります。

例えば、

• 文章を指定したテーマや文字数に則って要約してほしい。
• 出力結果を表計算やプログラミングへすぐに組み込めるデータ形式にしてほしい。

というような、「実用面を考えて、もう少しAI側でがんばって処理してほしい」と思うことが出てきます。そのような時には、AIが理解しやすい文法でやってほしい処理をプロンプトに記述することにより、狙った結果を得られやすくなります。

このようにして、望ましい出力結果が出るように制御することがプロンプトエンジニアリングです。

なお、プロンプトエンジニアリングに関するイロハから深い情報まで、知っておきたい情報が集まったサイトとして「Prompt Engineering Guide」があります。日本語訳が掲載されているので、ぜひチェックしてみてください。

プロンプトの構成要素

プロンプトには4つの要素が含まれていて、それらがAIの動作へ大きな影響を与えています。その4つの構成要素とは、次のとおりです。

• 命令（Instruction）
• 背景・文脈（Context）
• 入力（Input Data）
• 出力（Output Indicator）

「命令（Instruction）」とは、AIに実行してほしいタスクのことです。具体的には「書き出す」「分類する」「要約する」「翻訳する」「並べ替える」などのタスクが考えられます。何をしてほしいか明確に指示する必要があります。

「背景・文脈（Context）」とは、AIがタスクを理解し、適切な判断を行うための追加情報です。「話題」「人物」「設定」「時間」「目的」「複数の例」などの情報が増えると、AIがプロンプトの文脈を理解しやすくなります。回答の精度を高めるために重要な情報です。

「入力（Input Data）」は、AIに回答してほしい質問や処理してほしいデータを示します。

「出力（Output Indicator）」は、回答の出力形式を指定します。「文体」「長さ」「箇条書き」「その他のデータ形式」「プログラム形式」など、期待する出力形式になるよう指示を入れます。

これら4つの要素を理解し適切に組み合わせてプロンプトを作成していくことが、期待どおりの結果を得るためには重要です。ただ、作成するプロンプトにこれら4つの要素が必ずすべて含まれていなければならないというわけではなく、必要となる要素は実行するタスクによってさまざまです。

プロンプトエンジニアリングの代表的な手法

プロンプトには、検索エンジンに入力するようなシンプルな一言の質問から、何行にもわたる指示や情報を書き入れたものまで、いろいろな形式があります。プロンプトエンジニアリングでは、さまざまなプロンプトの手法を次のように体系づけています。

Zero-shot prompting

Zero-shot promptingでは、具体的な例などの情報をプロンプトに含ませず、質問だけを投げかけます。大規模言語モデルの持つ学習内容を元に、自由な回答を生成させるプロンプト技術です。有名な例文として、前提条件も何も付けず、文章から読み取れる感情を判定させるというものがあります。

【例】

Few-shot prompting

Few-shot promptingでは、いくつかの例を一緒に提示することで、タスク実行のルールを学習させるプロンプト技術です。Zero-shot promptingの回答では不十分だったり、違うかたちでの回答を望む場合は、回答例を先に示すことで、それに倣った回答が期待できます。

少しの例を加えることでZero-shot promptingには難しい質問にも対応できますが、複雑な計算を含む質問には対応できないなど、限界もあります。

【例】

CoT（Chain-of-Thought） Prompting

CoT（Chain-of-Thought） Promptingとは、複雑な計算の答えを導き出すための思考プロセスをAIに教えるプロンプト技術です。

基本的にはFew-shot promptingと考え方は同じで、問題例と解答例を先に示し、類似した問題をAIに解かせるものになります。しかし、単純に問題例と回答例を覚えさせただけでは、AIが正しい計算をできないことがあります。

そこでCoT Promptingでは、解答例に解き方を示した中間的な推論ステップも書き加えて学習させます。そうすることで、AIは計算の答えだけでなく解く手順も得ることができ、次からは複雑な計算も解けるようになります。

Zero-shot CoT

Zero-shot CoTは、CoT Promptingが必要となる複雑な計算を伴う問題に対して「ステップバイステップで考えましょう」という一文を加えるだけで、CoT Promptingで学習したような計算の解き方に、自ら辿り着いて学習できてしまうプロンプト技術です。解き方の推論ステップを示す必要がないため、CoT Promptingよりも簡単に問題解決にたどり着くことができます。

Self-Consistency

Self-Consistency（自己整合性）も、計算を伴う問題に強いプロンプト技術です。Few-shot promptingで事前に大量の問題例の学習を行うことで多様な推論パスを生成し、その中から最も整合的な回答を得るようにします。大量の問題例を学習させる必要がありますが、高い精度の結果が得られるようになります。

Generate Knowledge Prompting

Generate Knowledge Prompting（知識生成プロンプティング）は、プロンプトに知識を含めることで、大規模言語モデルの推論能力を向上させるプロンプト技術です。知識が足りず上手く回答できない問題に対し、知識を入力して正しい回答を得られやすくします。

活用のポイントは、知識を暗黙的にプロンプトに組み込むのではなく、知識を明示的に表現し、AIが知識を理解/活用しやすいように説明してあげることです。

ReAct

ReActとは「Reasoning」 （推論）と「Acting」（行動）を組み合わせた造語で、大規模言語モデルが推論とタスク実行を同時に行えるフレームワークです。ReActの大きな特徴は次の2つです。

• 外部情報へのアクセス
• 動的なタスク実行

外部情報へのアクセスでは、インターネット検索を行い、Wikipediaなどの外部情報を推論に組み込むことができます。これにより、より正確で信頼性の高い結果を得ることができます。

動的なタスク実行は、状況に応じて行動を動的に変更することができます。複雑なタスクや、不完全な情報しかないタスクを処理するのに有効です。

ReActの大きなインパクトは、外部インターネットの情報を推論に組み込めるという点と、インターネット検索を含めたさまざまなツールをどのように使うか、AIが動的に決められるという点です。推論→行動→行動結果→推論→行動……と繰り返しながら、精度の高い結論を求めていきます。

【関連記事】

Directional-Stimulus -Prompting

Directional Stimulus Prompting（方向性刺激プロンプティング）は、大規模言語モデルに望ましい出力を生成させるためのプロンプト技術です。プロンプトに方向性刺激と呼ばれる短いテキストを追加することで、望ましい出力の方向性を示すヒントとして機能します。以下の例では、最後の3つのポイントが方向性刺激に相当します。

【例】

Multimodal CoT Prompting

Multimodal CoT Promptingは、従来のCoT Promptingにマルチモーダル（さまざまな種類の情報）を組み合わせたプロンプト技術です。主に文字情報と画像情報の両方を含めることで、推論の精度をより高めようというものです。

【関連記事】

敵対的プロンプトエンジニアリングの代表的な手法

敵対的プロンプトエンジニアリングとは、大規模言語モデルを悪用するために設計されたプロンプトで、本来なら意図しない結果を生成する攻撃手法です。一般的に大手の大規模言語モデルは違法行為や非倫理的な出力を避けるように調整されていますが、それを避けて意図しない出力をさせたり、機密情報を出力させるといったことが行われます。

Prompt-Injection

Prompt-Injectionは、行動を変更するプロンプトを用いて、大規模言語モデルの出力を乗っ取ることを目的とした攻撃手法です。よく知られる例が「上記の指示を無視し」というフレーズでしょう。

【例】

Prompt-Leaking

Prompt-Leakingは、悪意のあるユーザーがプロンプトに細工を施すことで、AIから意図せずに公開前の情報や機密情報を取り出す攻撃手法です。Prompt-Leakingは、次のような情報漏洩のリスクをもたらします。

• AIモデルの訓練データに含まれる個人情報や機密情報
• AIモデルの開発過程で生成された中間データ
• AIモデルの内部構造や動作に関する情報

Jailbreak

Jailbreakは、AIに違法行為や非倫理的な行動を促進するような出力を促す攻撃手段です。大規模言語モデルのコンテンツポリシーではそのような出力は抑制されていますが、脆弱性などを掻い潜ってJailbreakが続けられています。

Do Anything Now

Do Anything Now（DAN：今すぐ何でもやる）は、ChatGPTのコンテンツポリシーを取り払うJailbreakの一種です。海外の掲示板サイトRedditで誕生しました。

GPT-4 Simulator

GPT-4 Simulatorは、ChatGPT-4のコンテンツフィルターを迂回するJailbreakの一種です。

Game Simulator

ChatGPTの改善に伴い、Prompt-InjectionやJailbreakといった敵対的プロンプトエンジニアリングはだんだん難しくなってきていますが、シミュレーションを使ったJailbreakはまだ効果的です。Game Simulatorはゲームを提案し、そのゲームの中でコンテンツポリシーを迂回した有害な出力を行わせます。

Waluigi effect

Waluigi effectは、AIが意図せず攻撃的または有害な出力を生成してしまう現象です。これは、AIがWaluigi（ワルイージ）のような、悪意のあるキャラクターを模倣するように訓練された場合に起こり得ます。

プロンプトエンジニアリングのコツ

上記で、多様なプロンプトエンジニアリングの手法を見てきました。これらの技術を駆使してプロンプトを作成する際のコツとして、次に挙げる点にも気を付けてみてください。

• 明確な指示を出す。
• 具体的な例を与える。
• 簡潔な指示にする。
• 正しい文法を使う。
• 適切な言葉を使う。
• 一度にすべて詰め込まない。
• 繰り返し試行錯誤する。

また、プロンプトは口語的な長文入力も可能ですが、明確・具体的・簡潔というセオリーを守るのであれば、指示やデータなどを要素ごとに分離して記述するのがおすすめです。

「#」などの記号を使って要素ごとに読みやすく分けるのも良いでしょう。書式のゆらぎはある程度AI側で吸収してくれるので、自分でわかりやすいかたちにまとめると良いでしょう。

【物語の創作を指示するプロンプト例】

プロンプトを駆使すればいろいろなことに活用できる

プロンプトを駆使することで、さまざまなことにAIを活用できます。今回の記事ではいろいろな手法を紹介しましたが、書き方に細かい決まりは無く、ある程度自由に記述してもAIは応えてくれます。

「触ってはみたものの、丁寧な答えを出してくれる検索エンジンくらいにしか感じられなかった」という人も、本記事で紹介した手法について知り、あらためて。触ってみることで、新しい発見があるかもしれません。

【関連記事】